Trí tuệ nhân tạo giúp chẩn đoán bệnh nhanh chóng, chuẩn xác hơn

0:00 / 0:00
0:00
  • Nam miền Bắc
  • Nữ miền Bắc
  • Nữ miền Nam
  • Nam miền Nam
ANTD.VN - Trí tuệ nhân tạo (AI) có thể nhanh chóng và đôi khi vượt trội hơn các bác sĩ lâm sàng trong nhiều nhiệm vụ khác nhau và đang ngày càng được tích hợp vào việc điều trị, chăm sóc bệnh nhân hàng ngày ở Anh.

Trí tuệ nhân tạo đang ngày được ứng dụng nhiều hơn trong y học, đặc biệt là trong chẩn đoán bệnh. Các phương pháp chẩn đoán truyền thống vốn thủ công và tốn thời gian, chẳng hạn, tại Anh, việc đọc phim chụp là một quá trình đòi hỏi nhiều thời gian, kỹ năng và ngày càng thiếu bác sĩ X quang thực hiện công việc này. Việc sử dụng AI có thể hỗ trợ các quyết định lâm sàng và hỗ trợ các bác sĩ bằng cách cung cấp dịch vụ chăm sóc nhất quán hơn trong trong các khâu chăm sóc sức khỏe khác nhau và giải phóng thời gian cho nhân viên y tế. Tương tự như cách các bác sĩ học thông qua trường lớp, thực hành và tích lũy kinh nghiệm, các thuật toán AI phải học công việc của chúng bằng cách tiếp nhận dữ liệu và nhận dạng các mẫu, phân tích dữ liệu và đưa ra quyết định.

Công nghệ trí tuệ nhân tạo đang ngày được ứng dụng nhiều hơn trong y học

Công nghệ trí tuệ nhân tạo đang ngày được ứng dụng nhiều hơn trong y học

Dự đoán thành công của thuốc đối với bệnh nhân ung thư

Các nhà nghiên cứu tại Viện nghiên cứu ung thư ở London do Viện Nghiên cứu Y tế và sức khỏe quốc gia Anh (NIHR) tài trợ, đã tiến hành một thử nghiệm có thể dự đoán những kết hợp thuốc nào có khả năng hiệu quả đối với bệnh nhân ung thư chỉ trong vòng 24-48 giờ. Họ sử dụng AI để phân tích dữ liệu quy mô lớn từ các mẫu sinh thiết và có thể dự đoán phản ứng của bệnh nhân với thuốc chính xác hơn các phương pháp hiện tại.

Phân tích cấu tạo di truyền của khối u có thể cho biết các đột biến thúc đẩy sự phát triển và có thể dựa vào đó để cân nhắc các phương pháp điều trị, tuy nhiên, điều này là không đủ để lựa chọn các kết hợp thuốc. Nghiên cứu xét nghiệm mới cũng kiểm tra các thay đổi phân tử trong khối u và cách chúng tương tác với nhau để đưa ra các phương án đáp ứng với các phương pháp điều trị. Theo nghiên cứu này, AI hoạt động theo hai giai đoạn, đầu tiên là dự đoán phản ứng của tế bào đối với từng loại thuốc điều trị ung thư, đặc biệt chú ý đến những dấu hiệu di truyền, sau đó dự đoán phản ứng của tế bào với sự kết hợp của hai loại thuốc. Công nghệ này có thể xử lý thông tin nhanh chóng, cho kết quả chỉ trong hai ngày và có khả năng giúp các bác sĩ đưa ra phương pháp điều trị có khả năng mang lại lợi ích cao nhất cho từng bệnh nhân.

Dự đoán sự tiến triển của nguyên nhân chính gây mù lòa

Thoái hóa điểm vàng do tuổi tác là nguyên nhân hàng đầu gây mù lòa ở nhiều nước phát triển. Bệnh này có xu hướng ảnh hưởng đến người lớn tuổi, phổ biến nhất ở độ tuổi trên 50 và ngày càng trầm trọng theo thời gian. Nếu không được điều trị, bệnh sẽ dẫn đến mất thị lực, khiến hoạt động, sinh hoạt trở nên khó khăn như đọc chữ, nhận diện khuôn mặt và lái xe… Sự tiến triển của tình trạng này có thể diễn ra nhanh chóng và thành công của việc điều trị phụ thuộc vào chẩn đoán và can thiệp sớm. Nhưng hiện tại không thể dự đoán liệu thoái hóa điểm vàng thể ướt (AMD ướt) có ảnh hưởng đến mắt thứ hai hay không và khi nào. AMD thể ướt có thể dẫn đến mất thị lực nhanh chóng và nghiêm trọng. Nếu phát hiện đủ sớm, việc điều trị có thể ngăn ngừa tình trạng bệnh trở nên tồi tệ hơn, bởi một khi tổn thương đã xảy ra, nó không thể phục hồi được.

Việc phân tích hình ảnh quét rất tốn thời gian và điều này có thể dẫn đến sự chậm trễ trong chẩn đoán và điều trị.

Trong một nghiên cứu mới, trí tuệ nhân tạo đã dự đoán được sự phát triển của nguyên nhân chính gây mù lòa. Nghiên cứu giữa Bệnh viện Mắt Moorfields ở London và đối tác đã phát hiện ra rằng AI dự đoán được sự phát triển của thoái hóa điểm vàng do tuổi tác (AMD thể ướt) chính xác hơn các bác sĩ lâm sàng.

Những người đến khám bệnh AMD thể ướt ở một mắt thường được chụp cả hai mắt. Các nhà nghiên cứu đã phát triển một mô hình để dự đoán liệu AMD thể ướt có phát triển ở mắt thứ hai hay không trong vòng 6 tháng. Các bác sĩ đã dựa trên các bản quét cùng với các thông tin khác của bệnh nhân để đưa ra dự đoán. Các dự đoán do mô hình AI đưa ra, chỉ dựa trên các bản quét chính xác hơn. AI có thể giúp bác sĩ chẩn đoán và bắt đầu điều trị sớm, giúp mang lại kết quả tốt hơn cho bệnh nhân.

Cải thiện việc chăm sóc sức khỏe

Tiến sĩ Jenna Tugwell-Allsup là nhà nghiên cứu X-quang tại Hội đồng Y tế Đại học Betsi Cadwaladr ở Bắc Wales. Trọng tâm nghiên cứu hiện tại của bà là về AI bao gồm thử nghiệm MIDI, nghiên cứu một công cụ AI có thể xác định các bất thường trên ảnh chụp Cộng hưởng từ (MRI) đầu. Công cụ AI đang được phát triển và thử nghiệm trên ảnh chụp MRI đầu của bệnh nhân cũng như ảnh chụp MRI của những người tình nguyện khỏe mạnh để dạy nó cách xác định các bất thường nhanh hơn, giúp bác sĩ lâm sàng có thể ưu tiên đánh giá. Bà cũng tiến hành một nghiên cứu nhằm xác định xem thuật toán AI có thể rút ngắn thời gian chẩn đoán ung thư phổi hay không bằng cách đánh giá lại ảnh chụp X-quang ngực của những bệnh nhân ung thư phổi. Tiến sĩ Jenna đã thành lập nhóm nghiên cứu AI trong lĩnh vực X quang và hợp tác với các nhóm tương tự khác để hợp lý hóa quy trình làm việc với AI. “Nghiên cứu đẩy lùi các rào cản về những gì chúng ta nghĩ mình biết. Giúp chúng ta có thể làm tốt hơn nữa trong việc chăm sóc sức khỏe cho người dân. Tôi hy vọng nghiên cứu của mình sẽ mang lại tác động hiệu quả trong lĩnh vực chụp X quang để liên tục cải thiện dịch vụ chăm sóc y tế” - bà nói.

Vì công nghệ AI có thể phân tích các tập dữ liệu và quét chỉ trong vài giây, nên việc đào tạo chúng để đọc dữ liệu bệnh nhân, hỗ trợ chẩn đoán và dự đoán phương pháp điều trị tốt nhất có giá trị rất lớn. NIHR hiện đang tài trợ cho các dự án để xem liệu các thuật toán có thể hỗ trợ các nhà nghiên cứu bệnh học trong việc đọc hình ảnh sinh thiết ung thư tuyến tiền liệt hay giúp xác định chính xác bệnh động mạch vành bằng cách đọc hình ảnh chẩn đoán bệnh và chẩn đoán chính xác bệnh viêm tai giữa phổ biến ở trẻ em.

NIHR cho biết sẽ nỗ lực giúp bệnh nhân và bác sĩ lâm sàng tích cực tham gia vào quá trình phát triển các công cụ mới này để chúng có thể được triển khai rộng rãi, nhằm giảm thiểu khả năng sai lệch trong các thuật toán này.